三维扫描考古文物自动化相似性搜索：基于点云配准与聚类的类型识别新方法

《Digital Applications in Archaeology and Cultural Heritage》：Am I your type? Automated similarity search for 3D scanned archaeological artefacts

为解决考古学中文物类型鉴定因分类系统不一致、数量庞大而面临的挑战，研究人员开展了利用三维点云数据对金属装饰文物进行自动化相似性搜索的研究。通过体素化三维网格、成对点云配准及基于距离度量的聚类方法，成功区分了不同类别的完整文物，并探讨了该方法在碎片及尺寸差异较大物件比较中的局限性，为文化遗产的数字化管理与研究提供了新工具。

　　

想象一下，一位考古学家面对数以千计新出土的金属装饰品，比如胸针，他需要根据其形状、纹饰将它们分门别类，以确定其年代和文化归属。这项工作传统上依赖专家的肉眼观察和深厚的类型学知识，既耗时又费力。更棘手的是，随着私人金属探测活动的普及，新的发现层出不穷，专家们往往应接不暇。与此同时，三维数字化技术正日益成为记录这些文物的标准手段，它能快速生成高精度的三维模型。然而，尽管机器学习在二维图像识别上已取得巨大成功，如何让计算机“看懂”三维形状，并自动找出文物之间的相似性，仍是一个充满机遇与挑战的前沿领域。这项发表在《Digital Applications in Archaeology and Cultural Heritage》上的研究，正是为了破解这一难题，探索一套能够自动比较和识别考古文物的计算框架。

为开展这项研究，研究人员运用了几个关键技术方法。首先，他们利用便携式桌面扫描仪AutoScan-DS-MIX对选自三个截然不同典型群组的12件文物（包括完整件和碎片）进行了高精度三维扫描，生成三角网格文件。样本来自卑尔根大学博物馆、瑞典历史博物馆和丹麦国家博物馆。研究方法的核心流程包括：1）对三维网格进行下采样和体素化，将其转换为规则点云；2）对所有文物进行成对的点云配准，先使用随机抽样一致性（RANSAC）算法进行全局粗配准，再用迭代最近点（ICP）算法进行局部精配准，最终得到一个表征配准拟合度的适应度分数矩阵F；3）基于适应度分数构建对称的距离度量D和考虑点云大小的调整后距离度量D_s，并分别使用K-means和分层基于密度的噪声应用空间聚类（HDBSCAN）算法对文物进行聚类分组。

结果部分主要发现如下：

4.1. 结果

研究通过成对点云配准和聚类分析，得到了文物间的相似性关系。可视化结果（如图3）展示了所有12件文物的成对配准情况。基于距离度量的聚类结果表明，K-means算法能将75%的胸针正确聚类，而HDBSCAN算法的正确率达到83%。具体而言，两种算法都能清晰地将乌尔内斯（Urnes）式和伯达尔（Berdal）式胸针的完整件区分开来，但都难以正确处理星形胸针和碎片。星形胸针彼此是最接近的匹配，但由于其尺寸较小，与碎片也能较好匹配，因此聚类方法倾向于将它们归入已有的群组（如乌尔内斯组）而非单独成组。详细的分组情况见表格。

4.2. 讨论

研究发现，标准的适应度分数本身并不能有效区分不同文物，例如一个乌尔内斯碎片与一个较大的伯达尔碎片之间出现了高达0.86的虚假高匹配度。然而，基于此构建的距离度量D（图4b）能在聚类中提供较好的分离效果。进一步引入考虑点云大小比例的调整后距离度量D_s（图4d）则表现出更明显的改进，使得各群组在匹配矩阵中一目了然。使用D_s后，所有完整文物最近邻匹配均在其自身群组内；而碎片虽然与同组文物匹配良好，但由于尺寸相似性，也倾向于与其他碎片错误匹配。这表明，原始距离度量D容易使碎片与大型文物产生虚假匹配，而调整后的D_s则易使碎片之间相互错误匹配。尽管本研究样本量小，但该方法具有可扩展性。单次新文物与现有数据库的比对复杂度是线性的，且整个过程易于并行化，适合大规模计算集群。一次成对比对在现代笔记本电脑上仅需约1分钟。

4.3. 未来工作

随着三维模型逐渐成为标准文档，机器学习辅助方法对于促进文物访问、搜索、发现和分类至关重要。本文描述的三维相似性搜索方法为此类工作提供了初步模型。该方法虽然聚焦金属文物，但也适用于其他使用模具、印章或冲压成型的器物，如陶瓷、硬币、印章等。通过扩大基线数据集并进一步优化配准和距离度量，该方法能够识别数据集中未被发现的分组，成为探索分类和在大型三维数字藏品中识别潜在匹配项的宝贵考古学工具。未来需要考虑的要点包括扫描分辨率与配准阈值的设定关系，以及如何改进距离度量以更好地处理碎片（尤其是小碎片）的分类问题，避免其与大型文物或其他小碎片产生错误聚类。

结论与意义：

本研究成功开发并测试了一个用于考古文物自动比对的三维相似性搜索框架。通过将高密度三维扫描与自动化相似性搜索相结合，研究验证了基于体素化、点云配准和聚类的方法在区分明确类型群组（如乌尔内斯式和伯达尔式胸针）方面的可行性。方法的核心创新在于构建了对称的距离度量D及其考虑点云大小的调整版本D_s，后者显著提升了聚类效果的可视化区分度。结果表明，该方法能有效识别完全匹配，并正确聚类完整的、特征明显的文物类型。然而，研究也明确指出其当前局限性：在比较碎片或尺寸差异极大的物件时仍面临挑战，碎片容易因尺寸因素产生错误聚类。

这项研究的重要意义在于，它为处理日益增长的三维文化遗产数据提供了一种可扩展的自动化分析工具原型。它不仅能够辅助专家进行快速的初步分类和跨馆藏检索，减轻人工负担，更重要的是，通过数据驱动的方式，未来有可能揭示出超越传统类型学框架的、隐藏在文物形态中的新分组模式，从而深化我们对过去物质文化生产和流通的理解。随着三维数字化在考古学中的普及，此类自动分析方法将成为连接海量数据与深层考古学见解的关键桥梁。